1.应用场景
在使用findContours提取轮廓后的轮廓过于复杂不够平滑,可以利用Douglas_Peucher(简称DP)算法对该轮廓进行多边形逼近,使其变成一个平滑但又不失真的轮廓。
2.API
#返回值是一个轮廓,是一个ndarray类型的一系列拐点的坐标
#第一个参数是一个轮廓,第二个参数是进行DP算法的阈值,第三个参数是是否闭合
approx = cv2.approxPolyDP(contours[0],15,closed=True)
#由于第二个参数要求是list类型,因此在外面套一个中括号,这里用绿色线条描绘多边形逼近算法后的轮廓
cv2.drawContours(img_copy,[approx],0,(0,255,0),2)
3.算法的思想
对于一个轮廓,找一个起点和终点,这里定义为A和B,然后连接起点和终点,组成线段AB,然后找到这个轮廓上距离线段AB最近的点,这里记为C,计算C到线段AB的距离,这里记为h
DP算法中设置了一个阈值T,也就是approxPolyDP函数中的第二个参数,如果h<t,就可以用线段AB代替这个轮廓,轮廓的图形就变成了这个样子:
此时DP算法就结束了,原来由4段线段组成的轮廓被精简成了AB这一条线段。
当然,这种情况下效果可能不会很好,因此我们需要不断的调整阈值D,使得最终得到的轮廓平滑但又不过与简约。
如果h>t,就链接AC和CB,擦掉AB,此时图形变成了这样的
这时候再找轮廓距离弯折的线段ACB最远的点,设为D,其距离设为h1
如果h1<t,那么就用ACB作为最终的轮廓,反之则连接CD和DB,擦去CB,继续进行上述操作。
4.完整代码:
import numpy as np
import cv2
img = cv2.imread("image/hand.png")
#变成单通道
signal_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#变成二值图
ret,binary = cv2.threshold(signal_img,150,255,cv2.THRESH_BINARY)
"""提取轮廓"""
contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
"""绘制轮廓"""
img_copy = img.copy()
cv2.drawContours(img_copy,contours,0,(0,0,255),2)
"""进行多边形逼近"""
#返回值是一个轮廓,是一个ndarray类型的一系列拐点的坐标
#第一个参数是一个轮廓,第二个参数是进行DP算法的阈值,第三个参数是是否闭合
approx = cv2.approxPolyDP(contours[0],15,closed=True)
#由于第二个参数要求是list类型,因此在外面套一个中括号,这里用绿色线条描绘多边形逼近算法后的轮廓
cv2.drawContours(img_copy,[approx],0,(0,255,0),2)
"""绘制图片观察效果"""
cv2.imshow("show",img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()